如何在不知道字符串中包含哪些标签的情况下从字符串中删除所有HTML标签？

121

有什么简单的方法可以删除字符串中的所有HTML标记或任何与HTML相关的内容？

例如：

string title = "<b> Hulk Hogan's Celebrity Championship Wrestling &nbsp;&nbsp;&nbsp;<font color=\"#228b22\">[Proj # 206010]</font></b>&nbsp;&nbsp;&nbsp; (Reality Series, &nbsp;)"

以上应该是：

“绿巨人霍根的名人冠军摔跤[项目编号206010]（现实系列）”

c# html

— RJ。
source

由于重复，此问题已关闭，但建议的答案是使用HTML Agility Pack提供的。如果您想使用HTML Agility Pack删除html标签，则可以在此处stackoverflow.com/a/30026043/2318354参阅我的答案。这可能对某些人有所帮助

— Dilip0165

这不是重复的内容，例如“ HTML敏捷包-删除不需要的标签而不删除内容？” 想要保留一些标签（即提供有效标签列表，删除其余标签）。这里的问题是关于删除所有标签。而且我不能使用其他问题的答案，因为我不会传递存在的所有html标记的列表。

— Thierry_S

看一下xidel。到那里将花费您95％的时间xidel -s input -e '/'。

— Josh Habdas，

Answers:

245

您可以使用一个简单的正则表达式，如下所示：

public static string StripHTML(string input)
{
   return Regex.Replace(input, "<.*?>", String.Empty);
}

请注意，此解决方案有其自身的缺陷。请参阅删除字符串中的HTML标签更多信息，（尤其是@mehaase的注释）。

另一个解决方案是使用HTML Agility Pack。
您可以在下面的库中找到示例：HTML敏捷包-删除不需要的标签而不删除内容？

— Bidou
source

用于输入不工作： '7 <10的<b>但</ B> 30> 10'它给出： '7，但30> 10'

— 的Bartosz Pierzchlewicz

是的，因为这条之间的一切<和>，所以你的情况，< 10 <b>并</b>都剥离。

— Bidou

由于方法名称应使用Pascal大小写，因此方法名称不应该为StripHtml（）吗？

— David Klempfner

如果出于安全原因使用正则表达式，则可能不是一个好主意。

— Mathias Lykkegaard Lorenzen

只需将正则表达式更改为<[a-zA-Z /] *？>

— Brandon Prudent

您可以使用HTML Agility Pack解析字符串并获取InnerText。

    HtmlDocument htmlDoc = new HtmlDocument();
    htmlDoc.LoadHtml(@"<b> Hulk Hogan's Celebrity Championship Wrestling &nbsp;&nbsp;&nbsp;<font color=\"#228b22\">[Proj # 206010]</font></b>&nbsp;&nbsp;&nbsp; (Reality Series, &nbsp;)");
    string result = htmlDoc.DocumentNode.InnerText;

— ssilas777
source

我喜欢该InnerText解决方案，因为它可以删除所有标签。但是...它留下了 ，还留下了注释标签，例如 周围的那些标签v:shapetype，v:shape或v:imagedata带有[if gte vml 1][if !vml]

— Thierry_S

我意识到这 是一个html实体，而不是一个标签，因此result = WebUtility.HtmlDecode(result);，使用Html Agility Pack 可以解决该问题，并删除注释节点：htmlDoc.DocumentNode.SelectNodes("//comment()")?.ForEach(c=> c.Remove());在做之前result = htmlDoc.DocumentNode.InnerText;

— Thierry_S

您可以在字符串上使用以下代码，并且将获得不带html部分的完整字符串。

string title = "<b> Hulk Hogan's Celebrity Championship Wrestling &nbsp;&nbsp;&nbsp;<font color=\"#228b22\">[Proj # 206010]</font></b>&nbsp;&nbsp;&nbsp; (Reality Series, &nbsp;)".Replace("&nbsp;",string.Empty);            
        string s = Regex.Replace(title, "<.*?>", String.Empty);

— 维奈
source